Gartner发布《工业物联网边缘计算市场指南》

Gartner近期发布《工业物联网边缘计算市场指南》，分析了工业物联网边缘计算的市场走势。据Gartner预测，到2022年，超过50%的企业生成数据将在数据中心或云之外进行创建和处理，20%的新工业控制系统将拥有分析和AI边缘推理能力，至少50%的现场物联网项目将使用容器进行边缘应用程序生命周期管理，此外，至少50%的高端工业物联网网关将提供可选的5G模块。

IIOT边缘计算市场定义

边缘计算解决方案能够在将数据传输到中央数据中心或云之前在本地对数据进行处理和存储。工业物联网环境下典型的数据来源包括传感器和控制设备，如可编程逻辑控制器（PLCs）和分布式控制系统（DCSs）。目前边缘计算解决方案供应商来自不同背景，包括数据中心OEMs、OT、云计算、分析和通信服务提供商等。

IIOT边缘计算需具备的关键能力

• 能够聚合终端设备生成的数据并将其标准化，以便数据分析平台能够接收数据。
• 数据处理能力，例如通过规则引擎进行事件过滤，复杂事件流处理或数据生成后的处理分析。
• 能够执行AI推理模型与分析。
• 基于传入事件和数据采取本地操作的能力。
• 本地和远程提供可视化功能的能力。
• 在云或任何数据中心之间传输和接收数据的能力，以及在网络中断时自主运行的能力。

IIOT边缘计算部署模式

工业物联网边缘计算解决方案通常由边缘设备、网关、I/O模块、边缘服务器、微数据中心和分析软件组成。根据实际用例和需要获取和分析数据的速度，可以在边缘部署这些组件的不同组合。

根据用例，边缘计算可以在设备内部、网关内部或通过在边缘部署服务器来实现，以满足不同程度的分析和本地决策需求。下表根据所需的计算能力水平，列举了不同边缘计算交付模型的关键属性。
 
工业物联网边缘计算解决方案的部署有两类模式：（1）设备-网关-云；（2）设备-网关-服务器-云。根据需要在数据源附近运行的分析类型，可以部署这两种架构其中之一。

IIOT边缘计算市场走势

当前物联网市场中的大多数供应商都已经认识到，边缘计算已成为物联网解决方案的一个组成部分。由于成本过高、带宽密集、影响性能或不实用等原因，并非所有数据都需要发送到云或核心数据中心。因此，必须在数据生成处部署数据聚合和处理功能，以实现使用实时分析进行快速决策。在某些情况下，为满足法规要求，也需要在边缘位置处理和存储数据。

Gartner预计，工业物联网领域将经历一段整合期。大型OT供应商、工业物联网平台供应商、分析和数据中心供应商将通过战略收购来提供端到端解决方案，以填补其产品组合中的空白。领先的分析供应商已经发布了企业分析平台的轻量级版本，以解决各种边缘用例。数据中心OEM供应商将边缘计算视为缓和其营收下降的机会，专注于提供定制化硬件和系统管理软件，以满足工业物联网的需求。大型云供应商将边缘计算产品视为基于云的物联网平台的延伸，他们正在努力创建一个硬件供应商的生态系统，以确保他们的边缘计算软件得到认证或验证，可以在这些硬件产品上运行。该行业还出现了一些新的供应商，它们提供与基于云的物联网平台集成的边缘计算软件平台。 

以下是将塑造边缘计算未来市场的关键趋势：

边缘AI推理能力将促进本地化洞察和实时响应

虽然不同来源的工业系统的数据可以使用AI平台集中地进行聚合和分析，但是在边缘部署机器学习推理模型并结合边缘分析将显著提高边缘数据的质量。通过使用本地可用的数据，可以实现更佳的实时决策。执行这些推理模型，特别是针对处理文本、视频和语音数据流的计算密集型模型，将需要一个相对复杂的边缘数据处理架构。

新的硬件形式将满足广泛的边缘计算需求

由于处理器和电池技术的快速创新，市场将见证新型边缘设备的引入，这些设备能够运行数据分析以及直接在设备上运行AI推理模型。预计在未来几年内，硬件供应商将专注于提供基于GPU、视觉处理单元（VPUs）、现场可编程门阵列（FPGAs）、应用程序特定的处理器和集成电路（ASICs）的边缘计算硬件。它们都将被设计成在边缘处执行复杂的、计算密集型功能的硬件。此外，市场将增加对提高电力消耗效率的关注，特别是在网关和嵌入式设备等受限系统中。

5G将加速分布式计算，但只适用于一些用例

5G蜂窝技术的引入可能会影响I&O架构师重新评估他们的边缘计算架构，特别是针对移动性质的用例，如自动驾驶汽车、车队管理、运输和物流，以及与物联网集成的其他用例。5G蜂窝技术可实现千兆级的下载和上传速度。因此，一些企业可能会评估将生成的所有数据发送到云或数据中心进行近实时分析的可能性。另一方面，5G也可能加速真正的分布式计算架构的部署。然而，初期阶段5G对于大规模物联网项目来说可能成本过高。此外，5G可能不适用于不支持5G连接的偏远地区的边缘用例。

传感器融合将在边缘处改善数据质量，但会使边缘计算体系架构复杂化

传感器融合通常用于个人设备，如智能手机和个人医疗设备，其中来自GPS、陀螺仪和加速度计的数据在设备中包含的专用微控制器单元（MCUs）中进行组合和分析，为用户提供特定的、个性化的见解。传感器融合也应用于自动驾驶汽车中，从激光雷达、摄像机、里程计、雷达和其他传感器获得的数据通过卡尔曼滤波等算法进行融合和精简，以提供对周边环境的全面了解。预计传感器融合概念将影响未来工业边缘计算架构的形态。将来自不同传感器的多种数据类型（不仅包括遥测数据，还包括边缘的视频和音频流）组合在一起的能力，有助于在数据生成源头附近改善数据质量。此外，在其他情况下，它也可以提供边缘环境的完整视图。然而，融合来自不同数据源的数据是复杂的，因为它需要摄取、标准化和处理多个数据流。这将迫使基础设施架构师和数据架构师重新设计他们的边缘基础架构。

数据分析和AI能力将向上游转移，进入控制网络

如今在工业物联网项目中，大多数与IoT分析相关的过程都是在工业控制网络之外通过网关实现，或在OT平台上通过工业服务器实现，或两种方式结合。这是因为工业自动化供应商没有将先进的数据分析和以AI为中心的能力融入到工业控制系统中，如PLCs和DCSs。更重要的是，到目前为止，它们还没有被认为是必须具备的能力。然而，Gartner预测随着IT/OT融合和向工业4.0的转型，这种情况会逐渐改变。Gartner预计工业自动化供应商和数据分析供应商之间将进行更深入的合作，共同创建智能工业控制系统。这将为企业提供更好的资产控制、资产生命周期管理以及新的收益来源。

容器将被视为大型现场物联网项目的基石

部署在本地中的网关和边缘服务器可能需要应用程序更新来添加新的用例或工作流。这些系统通常在带宽受限的网络中运行。模块化、可移植性、低开销和隔离性等特性使容器成为跨垂直行业的现场物联网项目的一个有吸引力的选择。容器确保以最小的变更管理开销更新应用程序组件，从而降低总体带宽需求。它们还提供了一个有助于隔离特定进程的环境。
 
来源：赛博研究院